利用Google的CoLab跑faster-rcnn训练好的models的demo

前两篇文章已经介绍了怎么安装CoLab与运行faster-rcnn跑训练集，那么今天我们就来用我们跑好的model来试试我们随便找几张图，可不可以进行识别，废话不多说，正片马上开始！

第一步 实验环境打开

调出我们的CoLab实验笔记本，将硬盘与gpu分配好

第二步 查看models文件

连接好谷歌硬盘后会看到faster-rcnn.pytorch下面有一个models/res101/pascal_voc文件，打开看看训练好的models有没有，如下图，我只训练了6个epoch，所以我只有6个文件，在训练的时候epoch是可以自己调的，

第三步 就是准备好图片放在images底下，这个文件夹现在是有4张默认的图片和4张已经识别的图片，记得将4张带_det.jpg的图片删除掉，然后上传一些你自己想要识别的图片，这里我放了两张


这是我识别好后生成的，没有跑之前带_det.jpg的图片都是没有的。

第三步 开始跑

1、输入代码

!python demo.py --net res101  --checksession 1  --checkepoch 6 --checkpoint 2504 --cuda --load_dir models

其中，注意，这里的三个check参数，是定义了训好的检测模型名称，我训好的名称为faster_rcnn_1_6_2054，代表了checksession = 1，checkepoch = 3， checkpoint = 2054，这样才可以读到模型“faster_rcnn_1_6_2054”。训练中，我设置的epoch为10，但训练到第6批就停了，所以checkepoch选择6，也就是选择最后那轮训好的模型，理论上应该是效果最好的。当然着也得看loss。

2、开始运行，报错
出现 ImportError: cannot import name ‘_mask’ from ‘pycocotools’，原因应该是项目中/lib/pycocotools里的文件过于老旧，现提供我的解决方法打开[https://github.com/cocodataset/cocoapi/tree/master/PythonAPI/pycocotools]，将文件下载下来(https://github.com/cocodataset/cocoapi/tree/master/PythonAPI/pycocotools)
将https://github.com/cocodataset/cocoapi/tree/master/PythonAPI/pycocotools中的文件复制到/lib/pycocotools文件中，然后进入lib目录下，执行下列代码

!python setup.py build develop

然后就可以了

还有会提示以前出现过得同样问题，scipy库版本过高
输入

!pip install scipy==1.2.1

3、等待一下，images下就会出现检测好的图片


感觉可能是我的epoch跑的太少了，有识别错了，不过没关系，至少能够完整的运行一遍faster-rcnn，好啦，这就是我运行demo的全部过程，有什么问题可以私信或者留言，看到了我会回复大家的！

还有一点要注意，当重新训练的时候，往往会遇到图片读取错误的问题，这个便是因为缓存没有清空。原因是当训练数据集的时候，会读取data/cache目录下的.pkl缓存文件，所以每次重新训练的时候，一定要记得删除data/cache文件夹下的缓存文件。

还有一种打开摄像头的检测方法，大家试一下

!python demo.py --net res101  --checksession 1  --checkepoch 6 --checkpoint 2504 --cuda --load_dir models --webcam $WEBCAM_ID

其中$WEBCAM_ID这个你要改成你的摄像头id，自行百度吧哈哈